Nutzung digitaler Technologien in der Schweizer Landwirtschaft

(1)

Nutzung digitaler Technologien in der Schweizer Landwirtschaft

Tanja Groher, Katja Heitkämper und Christina Umstätter Agroscope, 8356 Ettenhausen, Schweiz

Auskünfte: Tanja Groher, E-Mail: tanja.groher@agroscope.admin.ch https://doi.org/10.34776/afs11-59 Publikationsdatum: 4. Juni 2020

Zusammenfassung

Die Digitalisierung wird heute als fester Bestandteil der modernen Landwirtschaft gesehen. Verschiedens- te digitale Technologien stehen im Pflanzenbau und in der Tierhaltung zur Verfügung. Es ist jedoch unklar, welche digitalen Technologien derzeit in der landwirt- schaftlichen Praxis tatsächlich eingesetzt werden und in welchem Umfang. Ziel der vorliegenden Arbeit war es deshalb, den aktuellen Status quo in der Schwei- zer Landwirtschaft als Beispiel einer kleinräumigen, diversifizierten und gleichzeitig hoch mechanisierten Landwirtschaft zu erheben. In diesem Zusammenhang fokussiert sich die Arbeit im Bereich Pflanzenbau auf den Einsatz von Fahrerassistenzsystemen und elektro- nischen Messsystemen an den Maschinen. Im Bereich der Tierhaltung wird die Nutzung elektronischer Sen- soren und Messgeräte, elektronischer Steuerungen

und elektronischer Datenverarbeitungsmöglichkeiten sowie der Einsatz von Robotik in der Wiederkäuerhal- tung erfasst. Darüber hinaus wurde die Verwendung von elektronischen Ohrmarken für Schweine und die Nutzung von Smartphones zur Stallüberwachung in der Geflügelhaltung erhoben. Um den Adoptionspro- zess besser zu verstehen, wurden die Betriebs- und Betriebsleitermerkmale im Zusammenhang mit der Nutzung digitaler Technologien mit Hilfe von Regres- sionsanalysen bewertet. Die Ergebnisse zeigten deut- liche Unterschiede in den Adoptionsraten zwischen verschiedenen landwirtschaftlichen Betriebszweigen und zwischen Technologiearten.

Key words: digitalisation, technological progress, plant production, ruminant farming.

Abb. 1 | Digitale Hilfsmittel für die Landwirtschaft: Aufzeichnung tierindividueller Parameter durch Sensoren am Tier (links);

Fahrerassistenz systeme unterstützen bei der Bewirtschaftung der Felder (rechts). (Fotos: Gaëtan Bally)

(2)

E i n l e i t u n g

Der Einsatz digitaler Technologien (Abb. 1) findet zu- nehmendes Interesse in der Öffentlichkeit, auf landwirtschaftlichen Betrieben und der Politik. Die Thematik der Digitalisierung in der Landwirtschaft geht oft einher mit Begriffen wie «Präzisionslandwirtschaft», «Smart Far- ming» oder «Landwirtschaft 4.0» (Pierpaoli et al. 2013;

Paustian und Theuvsen 2017). Dabei handelt es sich meist um komplexe Managementsysteme, die jedoch immer auf der Nutzung verschiedener digitaler Techno- logien beruhen, die die landwirtschaftliche Praxis verän- dern können (Walter et al. 2017). Das Potential und die Vorteile der Integration solcher Technologien auf dem Acker, im Stall oder auch als Unterstützung im Büro und somit in den Betriebsablauf sind vielfältig. Zum einen können Ressourcen eingespart werden, beispielsweise durch eine präzisere Ausbringung von Pflanzenschutz- mitteln oder Düngern. Dies hat neben finanziellen auch ökologische Vorteile, indem weniger Überschüsse in den Boden eingetragen werden. Zum anderen ergibt sich die Möglichkeit, Betriebsdaten digital zu erfassen und auf Basis dieser Daten Entscheidungen im Betriebs- management zu optimieren. Zusätzlich können digitale Technologien besonders in der Nutztierhaltung zu einer höheren Flexibilität im Arbeitsalltag führen. So muss der Betriebsleiter nicht zwingend zu festen Uhrzeiten selbst im Stall sein, wenn ein Melkroboter anstelle eines her- kömmlichen Melkstandes auf dem Betrieb zum Einsatz kommt (Meijering et al. 2004). Digitale Technologien verändern den Arbeitsalltag der Landwirtinnen und Landwirte sowohl in der Pflanzenproduktion als auch in der Nutztierhaltung. Für die arbeitende Person be- deutet dies eine Verschiebung von physischer hin zu kognitiver, psychischer Arbeitsbelastung.

Eine Vielzahl an Studien hat sich in den letzten Jahren weltweit mit der Adoption digitaler Technologien in der Landwirtschaft befasst und Betriebs- und Betriebsleiter- charakteristika identifiziert, die mit der Adoption in Ver- bindung stehen (Pierpaoli et al. 2013). Ein Beispiel hier- für ist das Alter des Betriebsleiters, welches häufig einen Einfluss auf die Nutzung digitaler Technologien hat (Tey und Brindal 2012). Die Ergebnisse aus der Literatur sind jedoch uneinheitlich. Während einige Studien zeigen, dass die Nutzer oft jünger sind (Daberkow und McBri- de 2003; Barnes et al. 2019), konnte in anderen Studien kein deutlicher Altersunterschied zwischen Nutzern und Nicht-Nutzern festgestellt werden (Paustian und Theuv- sen 2017; Lima et al. 2018). Darüber hinaus sind weitere korrelierende Variablen bekannt. Die Region oder die Bewirtschaftung in Voll- oder Teilzeit (Reichardt und Jür-

gens 2009; Konrad et al. 2019) kann genauso eine Rolle spielen wie die Betriebsgrösse. Grosse Betriebe nutzen eher digitale Technologien als kleine Betriebe, wobei die Grösse meist an der landwirtschaftlichen Nutzfläche (ha) oder in der Anzahl der Tiere gemessen wird (Reichardt und Jürgens 2009; Gargiulo et al. 2018). Es sind noch weitere Betriebsmerkmale bekannt, die im Adoptions- prozess eine Rolle spielen wie zum Beispiel die Produkti- onsform (biologischer oder konventioneller Anbau), die Spezialisierung der Betriebe und auch die persönliche Einstellung der Betriebsleitenden (Paustian und Theuv- sen 2017; Konrad et al. 2019). Darüber hinaus besteht ein entscheidender Unterschied hinsichtlich der Adop- tion digitaler Technologien in der Tierhaltung im Ver- gleich zur Pflanzenproduktion. In der Tierhaltung sind zum einen häufig Stallsysteme zu finden, die aufgrund von hohen Investitionskosten Jahrzehnte vorausgeplant werden und somit eine kurzfristige Adoption erschwe- ren. So betragen die Investitionskosten für einen neuen Milchviehstall in der Schweiz je nach Stalltyp, Anzahl der Kühe oder Melkstandtyp rund 11 000 bis 22 000 Franken pro Kuhplatz, bei einer Amortisationszeit von 25 Jahren (Gazzarin und Hilty 2002). Zum anderen kann das Hal- tungssystem an sich die Adoption digitaler Technologien bestimmen. Ein Beispiel ist der Einsatz von Aktivitäts- sensoren zur Einzeltierüberwachung: Während sich in Laufställen das Wohlbefinden der Tiere aus den Daten ableiten lässt, ist der Einsatz dieser Technologie in An- bindehaltung nicht möglich, da die Kühe sich nicht frei bewegen können.

Die Schweiz unterscheidet sich aufgrund ihrer landwirtschaftlichen Strukturen vom europäischen Ausland. Im Vergleich zu den Nachbarländern wie Deutschland oder Frankreich sind die Betriebe mit 20,5 ha im Schnitt deutlich kleiner (Ferjani et al. 2015; BLW 2018). Der Bund unterstützt eine nachhaltige Landwirtschaft finanziell, so dass kleine, diversifizierte Betriebe bestehen bleiben können. Jedoch zeigt sich der weltweite Trend hin zu grösseren spezialisierten Betrieben auch in der Schweiz, was in einer sinkenden Anzahl von Betrieben und einer steigenden Betriebsgrösse resultiert (Zorn 2020). Im Jahr 2018 bewirtschaftete ein Landwirt im Durchschnitt mehr als doppelt so viel Fläche wie noch im Jahr 1975 und die Anzahl der Betriebe in der oberen Betriebsgrössenver- teilung von 50 ha und mehr stieg an (BFS 2019a). Auch die Anzahl der Tiere pro Betrieb ist gestiegen, jedoch gibt es für die Fleisch- und Eierproduktion gesetzliche Höchstwerte, die nicht überschritten werden dürfen (BFS 2019b). Auch wenn die Betriebsgrössen in der

(3)

Schweizer Landwirtschaft im internationalen Vergleich im unteren Bereich liegen, ist der Mechanisierungsgrad recht hoch. Sinkenden Betriebszahlen stehen steigende Zulassungen für Landmaschinen gegenüber (BFS 2018).

Ziel der vorliegenden Studie war es, den aktuellen Stand der Digitalisierung in der Schweizer Pflanzenproduktion und Nutztierhaltung (mit Fokus auf die Wiederkäuer- haltung) zu erfassen. In einem ersten Schritt wurde basierend auf Umfrageergebnissen die Adoptionsrate von Einzeltechnologien evaluiert. In einem zweiten Schritt wurden Betriebs- und Betriebsleitercharakteristika identifiziert, die mit der Adoption digitaler Technolo- gien in Verbindung stehen. Die Pflanzenproduktion und Wieder käuerhaltung wurden separat untersucht.

M e t h o d e

Datengrundlage

Die vorliegende Studie basiert auf Daten aus einer ran- domisierten, postalischen Umfrage zum Thema «Techni- scher Fortschritt», die zwischen Januar und März 2018 auf Schweizer Landwirtschaftsbetrieben durchgeführt wurde. Ziel war es, den Mechanisierungs- und Auto- matisierungsgrad in verschiedenen landwirtschaftlichen Betriebszweigen zu ermitteln. Insgesamt wurden 17 Fragebögen entwickelt, die sowohl die Tier- als auch die Pflanzenproduktion abdecken. Jeder Betrieb erhielt einen Fragebogen zu einem einzelnen Betriebszweig.

Dabei handelte es sich nicht zwangsläufig um den Hauptbetriebszweig. Die Fragen und Antwortmöglich- keiten waren jeweils an den entsprechenden Betriebs- zweig angepasst.

Als Basis für die Bestimmung der Grundgesamtheit dien- te die landwirtschaftliche Strukturerhebung des Jahres 2016, die 53 263 Betriebe umfasst. In Zusammenarbeit mit dem Bundesamt für Statistik wurde für jeden Be- triebszweig abhängig von der Fläche oder der Anzahl der Tiere ein Cutoff und eine Grössenschichtung erstellt, um eine möglichst repräsentative Stichprobe mit Betrie- ben unterschiedlicher Grössenklassen zu erhalten (de- taillierte Methodenbeschreibung in Groher et al. 2020).

Insgesamt wurden 4954 Fragebögen verschickt und 2657 Fragebögen konnten zur weiteren Auswertung verwendet werden. Das entspricht einer Rücklaufquote von 59 %.

Die Umfrageergebnisse wurden mit Betriebs- und Be- triebsleitercharakteristika aus der amtlichen landwirtschaftlichen Strukturerhebung verknüpft, um zusätz- liche strukturelle und soziodemographische Informa- tionen über die Betriebe zu erhalten. Dazu zählten das Alter und Geschlecht des Betriebsleiters, die landwirt-

schaftliche Nutzfläche (ha) und die Anzahl an Grossvieh- einheiten, Informationen über die Bewirtschaftungs- art (konventionell/biologisch) und -form (Haupt- oder Nebenerwerbsbetrieb) sowie die Lage des Betriebs (Tal/

Hügel/Berg und Region innerhalb der Schweiz). Ausser- dem wurde der Hauptbetriebstyp gemäss INLB (Infor- mationsnetz landwirtschaftliche Buchführung, Brüssel) (spez. Ackerbaubetriebe, spez. Gartenbaubetriebe, spez.

Dauerkulturbetriebe, spez. Wiederkäuerbetriebe, spez.

Veredlungsbetriebe, Pflanzenbauverbundbetriebe, Viehhaltungsverbundbetriebe und Pflanzenbau-Vieh- haltungsbetriebe) in der Analyse berücksichtigt. In der Wiederkäuerhaltung wurde zusätzlich das Stallsystem (Anbindehaltung/Laufstall) untersucht.

Definition Technologieadoption

Pflanzenbau

Für die vorliegende Studie wurden Fragen zum Elek- tronikeinsatz aus den folgenden Betriebszweigen der Pflanzenproduktion ausgewertet: Ackerbau, Futterbau, Gemüsebau, Weinbau, Obstbau und Erdbeeranbau. Die Betriebszweige Hochstammobstbau und Strauchbeeren waren ebenfalls Bestandteil der Umfrage zum technischen Fortschritt, enthielten aber keine Fragen zum Elektronikeinsatz und sind folglich in der vorliegenden Studie nicht berücksichtigt.

Insgesamt wurden 827 Fragebögen aus dem Bereich Pflanzenproduktion ausgewertet, die die folgenden zwei Fragen enthielten: a.) Verwenden Sie eine der folgenden elektronischen Fahrerentlastungen/Assistenz- systeme (FAS)? und b.) Bei welchen der folgenden Tätig- keiten verwenden Sie elektronische Messsysteme (EMS) an den Maschinen? Die verschiedenen Antwortmöglich- keiten sowie die deskriptive Statistik sind in Tabelle 1 dargestellt. Für die Regressionsanalysen im Pflanzenbau wurden die Technologieanwender so definiert, dass sie mindestens eine der abgefragten Technologien auf dem Betrieb nutzen, unabhängig davon ob es sich dabei um eine FAS oder EMS Technologie handelte. Nicht-Anwen- der wurden so definiert, dass sie bei beiden Fragen «keine» als Antwortoption ausgewählt hatten.

Tierhaltung

In der Tierhaltung wurden Informationen zur Haltung von Milchkühen, Milchziegen, Mutterkühen, Mastrin- dern und Fleischschafen sowie zur Schweine- und Ge- flügelhaltung ausgewertet.

Aus der Tierhaltung konnten 1497 zurückgeschickte Fra- gebögen ausgewertet werden. In der Wiederkäuerhal- tung wurde nach dem Einsatz von elektronischen Sen-

(4)

soren und Messeinrichtungen (ESM) gefragt, elektronischen Steuerungen (ES) mit zentralem PC sowie nach der Nutzung elektronischer Datenverarbeitung (EDV). Die Fragebögen zu Milchvieh und Mastrindern enthielten zusätzlich Fragen zum Einsatz von Robotik (Melkrobo- ter, Futternachschieberoboter und Entmistungsroboter).

Landwirte mit Zuchtschweinen und Mastschweinen wurden nach dem Einsatz von elektronischen Ohrmarken gefragt, Landwirte mit Legehennen und Masthähnchen nach der Nutzung eines Smartphones zur Stallüber- wachung.

In der Tierhaltung wurden nur die Ergebnisse der Wie- derkäuer für die Regressionsanalyse genutzt, da allen Wiederkäuerhaltern die gleichen Fragen gestellt wurden und in der Praxis ähnliche Haltungssysteme üblich sind. Die folgenden drei Kategorien wurden definiert:

Anwender von neuen Technologien, Anwender in der Praxis bereits seit längerem implementierter/angekom- mener Technologien und Nicht-Anwender. Die Katego- rie der bereits in der Praxis bewährten bzw. implemen- tierten Technologien umfasste alle ESM, die basierend auf den Umfrageergebnissen von mindestens 10 % der befragten Landwirte eingesetzt wurden. Die Katego- rie der neuen Technologien umfasste alle ESM, die von weniger als 10 % der befragten Landwirte eingesetzt wurden. Da Mehrfachnennungen möglich waren, konnten einzelne Landwirte in beiden Gruppen vorkommen.

Die dritte Gruppe umfasste die Nicht-Anwender. Die Ein- ordnung in der Wiederkäuerhaltung basiert nur auf den Antworten der ersten Frage zum Einsatz von ESM, da die Nutzung von ES und EDV auf deren Anwendung basiert.

Datenauswertung

Die Daten aus der Befragung wurden mit der Statistik- software R Version 3.5 ausgewertet (R Core Team, 2013).

Für die Themenbereiche Pflanzenbau und Tierhaltung wurden jeweils separate Analysen durchgeführt. Mittels deskriptiver Statistik wurden Adoptionsraten der verschiedenen Technologien in den unterschiedlichen Be- triebszweigen ermittelt. Um Korrelationen zwischen der Nutzung digitaler Technologien und Betriebs- und Be- triebsleitercharakteristika zu ermitteln, wurden jeweils binäre logistische Regressionen verwendet, bei der die abhängige Variable für die Technologieanwender 1 und für die Nicht-Anwender 0 betrug. Die unabhängigen Variablen umfassten die zuvor beschriebenen Betriebs- und Betriebsleitercharakteristika. Die marginalen Effek- te zeigen die Veränderung der Adoptionswahrschein- lichkeit aufgrund einer Veränderung der unabhängigen Variable um eine Einheit (z.B. eine Alterserhöhung um ein Jahr).

R e s u l t a t e

Adoptionsraten im Pflanzenbau

In Tabelle 1 sind die Adoptionsraten der verschiedenen Einzeltechnologien für Fahrerassistenzsysteme (FAS) und Tätigkeiten, bei denen elektronische Messsysteme an den Maschinen (EMS) eingesetzt werden für jeden einzelnen Betriebszweig und über alle Betriebszwei- ge insgesamt dargestellt. Der Tempomat war das am häufigsten genutzte Fahrerassistenzsystem, außer für Ackerkulturen, dort war die Adoptionsrate für Rückfahr- kameras ähnlich hoch. Über alle Betriebszweige hinweg war die Einzelkornsaat und die Feuchtemessung des Ern- tegutes die häufigste Anwendung von EMS. Die Ergeb- nisse der Antwortmöglichkeit «Keine» machen deutlich, dass die Nutzung von FAS im Gemüsebau am höchsten ist, da es nur in diesem Betriebszweig mehr Anwender im Vergleich zu Nicht-Anwendern gibt.

Adoptionsraten in der Tierhaltung

Wiederkäuer

Tabelle 3 enthält eine Übersicht über die genutzten Technologien in der Schweizer Wiederkäuerhaltung.

Im Betriebszweig Milchvieh nutzen vergleichsweise viele Betriebe elektronische Sensoren und Messeinrichtungen (ESM). Lediglich 33 % der Befragten in der Milchvieh- haltung haben angegeben, dass keine Technologien eingesetzt werden. Generell wurden Technologien, die mit der Fütterung und dem Melkprozess in Verbindung stehen, am häufigsten genutzt während Technologien zur Krankheits- und Aktivitätserkennung bisher in der Praxis nur vereinzelt eingesetzt werden.

In der vorliegenden Stichprobe hielt der Grossteil der Wiederkäuerhalter die Tiere in Lauställen (n = 561) und ein bedeutender Teil (n = 157) hielt die Tiere in Anbinde- haltung. Darüber hinaus haben 27 Betriebe beide Hal- tungsformen auf dem Betrieb.

Die Ergebnisse zum Einsatz von Robotik in der Schweizer Wiederkäuerhaltung sind in Tabelle 2 dargestellt. Melk- roboter und Entmistungsroboter kamen häufiger zum Einsatz als Futternachschieberoboter.

Schweine und Geflügel

Die Fragebögen für die Betriebszweige Schweine (Mast- schweine (n = 154), Zuchtschweine (n = 120)) und Geflügel (Legehennen (n = 139), Mastpoulet (n = 231)) enthielten keinen eigenen Themenbereich zum Elektronikeinsatz, sodass lediglich zwei Einzelfragen als Beispieltechnolo- gien ausgewertet wurden. Schweinehalter wurden be- züglich ihres Einsatzes von elektronischen Ohrmarken

(5)

befragt, wobei 33 % der Zuchtschweinehalter und 4 % der Mastschweinehalter diese nutzten. In der Geflügel- produktion wurde ausgewertet, wie häufig ein Smart- phone zur Stallüberwachung zum Einsatz kommt. In der Haltung von Leghennen nutzten 41 % ein Smartphone für solche Zwecke, im Betriebszweig Mastpoulet waren es 47 %.

Determinanten der Technologieadoption

Um Zusammenhänge zwischen den Betriebs- und Be- triebsleitercharakteristika und der Nutzung digitaler Technologien in der Schweizer Landwirtschaft zu iden- tifizieren, wurden jeweils separate Regressionsanalysen für den Bereich Pflanzenbau und Tierhaltung durch- geführt. Die signifikanten Ergebnisse sind in Tabelle 4

und 5 dargestellt. Im Pflanzenbau wurden verschiedene Modellspezifikationen hinsichtlich der verwendeten un- abhängigen Variablen (Betriebs- und Betriebsleitercha- rakteristika) getestet, um die Robustheit der Ergebnisse zu bewerten. Die hier dargestellten Ergebnisse basieren auf dem vollständigen Satz von Variablen, wobei nur signifikante Variablen in den Tabellen aufgeführt wer- Tab. 1 | Adoptionsraten (%) von FAS und EMS in Schweizer Pflanzenbaubetrieben

Verwenden Sie eines der folgenden Fahrentlastungssysteme (FAS)? (n = 820)

Betriebszweig

Ackerbau Futterbau Gemüsebau Weinbau Obstbau Erdbeeranbau

Alle Pflanzenbau- betriebe [%]

(n = 148)

[%]

(n = 235)

[%]

(n = 97)

[%]

(n = 166)

[%]

(n = 105)

[%]

(n = 69)

Anwender 44 25 67 26 44 36 37

Nicht-Anwender («Keine») 56 75 33 74 56 64 63

Tempomat 23 14 45 22 27 19 23

Rückfahrkamera 24 8 32 5 4 9 13

Vorgewendemanagement 11 6 26 na na 6 11

Parallelfahrhilfe 11 6 28 na na 9 11

Autom. Lenksysteme 16 1 33 3 16 7 10

Reihenführung 6 na 18 1 8 6 7

Autom. Datenerfassung 3 2 6 3 2 3 3

Datenübernahme in Schlagkartei 1 2 12 1 3 1 3

Schnittkantenerkennung 2 1 1 na na na 1

Andere 1 1 4 2 3 1 2

Bei welchen der folgenden Tätigkeiten verwenden Sie elektronische Messsysteme (z.B. N-Sensor, optische Pflanzenerkennung) an den Maschinen (EMS)? (n = 796)

Betriebszweig

Ackerbau Futterbau Gemüsebau Weinbau Obstbau Erdbeeranbau

Alle Pflanzenbau- betriebe [%]

(n = 140)

[%]

(n = 231)

[%]

(n = 93)

[%]

(n = 165)

[%]

(n = 102)

[%]

(n = 65)

Anwender 34 11 31 10 13 11 17

Nicht-Anwender («Keine») 66 89 69 90 87 89 83

Einzelkornsaat 14 na 9 na na na 12

Feuchtemessung Erntegut 20 6 na na na na 12

Nährstoffversorgung 9 4 9 3 4 9 6

Hacken 1 na 12 na na 0 4

Bewässerung 1 0 9 1 8 9 3

Ertragsmessung 5 2 2 1 1 2 2

Unkrauterkennung 0 0 6 na na 0 1

Andere 1 2 2 5 3 2 3

Tab. 2 | Einsatz von Robotik

Betriebszweig Milchkühe Mastrinder

Melkroboter 6 % (n = 239) na

Futternachschieberoboter 2 % (n = 248) 2 % (n = 199) Entmistungsroboter 5 % (n = 135) 1 % (n = 138)

(6)

den. Die Effekte waren in allen getesteten Modellen vergleichbar und die Ergebnisse sind damit robust.

Auch in der Tierhaltung wurde in beiden Regressions- analysen der vollständige Satz von Variablen im Modell berücksichtigt, wobei auch hier nur signifikante Variab- len in den Tabellen gezeigt werden.

Pflanzenbau

Die Ergebnisse für den Pflanzenbau zeigen, dass we- der die Anzahl an Grossvieheinheiten, das Alter, das Geschlecht, das Produktionssystem (biologisch oder konventionell), noch die Erwerbsform (Haupt- oder Ne- benerwerb) signifikant mit der Adoption von digitalen

Tab. 3 | Adoptionsraten (%) von EMS und EDV in Schweizer Betrieben mit Wiederkäuerhaltung Welche elektronischen Sensoren und Messeirichtungen verwenden Sie (ESM)? (n = 805)

Betriebszweig

Milchkühe Milchziegen Mutterkühe Mastrinder Fleischschafe

Alle Wiederkäuer- betriebe [%]

(n = 247)

[%]

(n = 133)

[%]

(n = 111)

[%]

(n = 195)

[%]

(n = 119)

Anwender 68 31 16 29 28 30

Nicht-Anwender («Keine») 32 69 84 71 72 70

Milchmengenmessung 45 9 na na na 32

Milchflussmessung 26 0 na na na 17

Transponderhalsband 26 0 2 14 na 14

Milchtemperaturmessung 16 8 na na na 13

Kraftfutteraufnahme 24 2 0 8 3 10

Kameramonitoring 11 1 7 8 10 8

Milchleitfähigkeitsmessung 12 0 na na na 8

Elektron. Wiegesysteme 6 1 5 9 3 5

Elektron. Ohrmarken 2 2 5 1 13 4

Aktivitätssensoren 6 0 0 2 1 3

Wiederkausensoren 4 0 0 1 na 2

Raufutteraufnahme 1 1 0 2 na 1

Tierortungssystem 1 0 1 1 2 1

Andere 2 3 4 3 3 3

Welche elektronischen Steuerungen (ES, mit zentralem PC) verwenden Sie? (n = 787)

Betriebszweig

(n = 237)

[%]

(n = 131)

[%]

(n = 107)

[%]

(n = 194)

[%]

(n = 118)

Anwender 34 8 6 23 2 18

Kälbertränkeautomat 12 6 na 13 na 11

Selektionstore 5 0 1 3 na 3

Automatische Fütterungsanlage 3 2 2 3 na 3

Andere 2 2 2 2 1 2

Welche Möglichkeiten der elektronischen Datenverarbeitung nutzen Sie (EDV)? (n = 779)

Betriebszweig

(n = 237)

[%]

(n = 128)

[%]

(n = 106)

[%]

(n = 190)

[%]

(n = 118)

Anwender 33 12 15 17 18 21

Kraftfutterzuteilung nach Milchmenge 21 2 na na na 15

Datenübernahme in Herdenmanagement 19 10 10 11 16 14

Brunsterkennung 10 0 1 na na 5

Rationsplanung 6 2 4 6 2 5

Krankheitserkennung 4 1 1 3 0 2

Weidemanagement 1 1 2 1 1 1

Andere 3 0 2 3 0 2

(7)

Technologien im Pflanzenbau korreliert waren. Aus den in Tabelle 4 aufgeführten signifikanten Effekten wird ersichtlich, dass Bergbetriebe weniger wahrscheinlich digitale Technologien im Vergleich zu Talbetrieben nutzen.

Ebenso ist es bei kleinen Betrieben unter drei Hektar sowie bei den Betriebszweigen Weinbau und Obstbau jeweils verglichen mit den jeweiligen Basiskategorien.

Tierhaltung

Da besonders Melktechnologien nicht neu auf dem Markt sind und häufig automatisch im Melkstand integ- riert sind, wurden die Technologien zur weiteren Analy- se in implementierte und neue Technologien eingeteilt.

Die Unterteilung wurde basierend auf einer 10 % Hürde definiert.

Das Produktionssystem (biologisch oder konventionell), die Erwerbsform (Haupt- oder Nebenerwerb) und die landwirtschaftliche Nutzfläche korrelierte nicht mit der Nutzung digitaler Technologien in der Wiederkäuer- haltung. Die Effekte für Geschlecht, Bergzone und An- bindehaltung war für beide Technologiegruppen gleich.

Die detaillierten Ergebnisse der Effekte für alle in der Regressionsanalyse berücksichtigten und signifikanten Variablen sind in Tabelle 5 dargestellt.

D i s k u s s i o n

Die vorliegende Studie zeigt, dass es starke Unterschie- de zwischen den Betriebszweigen hinsichtlich ihres Ein- satzes von digitalen Hilfsmitteln gibt. Beispielsweise werden Fahrerassistenzsysteme (FAS) im Gemüsebau schon von etwa 70 % der befragten Landwirte einge-

setzt, wohingegen im Futterbau nur etwa 25 % diese Systeme nutzen. Ein ähnliches Bild zeigt sich im Bereich der Tierhaltung, wo vermehrt Technologien in der Milch- viehhaltung im Vergleich zu den anderen Betriebszwei- gen eingesetzt werden. Hier kann auch die Anzahl der kommerziell verfügbaren Technologien eine Rolle spielen, die in diesem Betriebszweig vergleichsweise hoch ist (Stachowicz und Umstätter 2020). Möglicherweise begünstigen hohe Produktionswerte die Nutzung digitaler Technologien (Finger et al. 2019). Mit 1,1 Milliarden Schweizer Franken erwirtschaftet der Gemüsebau rund 14 % des gesamten Produktionswertes der Schweizer Landwirtschaft, deckt aber nur etwa 1 % der landwirtschaftlichen Fläche des Landes ab. Im Vergleich dazu ist der Produktionswert der Futterpflanzen (z.B. Gras- land/Weide) mit 1 Milliarde Franken oder fast 10 % des gesamten Produktionswertes der Schweizer Landwirt- schaft ähnlich hoch, wird aber etwa auf zwei Drittel der gesamten landwirtschaftlichen Fläche kultiviert (ASVP und AIS 2014; BFS 2017). Die Vorteile digitaler Technolo- gien scheinen bei Kulturen mit hohem Produktionswert von grösserer Bedeutung, zum Beispiel bei Feldgemüse- kulturen. In diesem Fall werden FAS und EMS häufiger eingesetzt als z.B. bei Acker- oder Futterpflanzen. Die Verluste durch kleine Fahrfehler oder Missmanagement spiegeln sich bei Spezialkulturen schnell in finanziellen Verlusten wider.

Auch der anfallende Arbeitsaufwand kann ein entscheidender Faktor im Adoptionsprozess sein. In Betriebs- zweigen mit einer hohen physischen Arbeitsbelastung werden die Vorteile der Nutzung schneller deutlich, sei es bei Feldarbeiten oder bei zwei- bis dreimal täglich wiederkehrenden Routineaufgaben wie Füttern oder Melken. Auch im Einsatz von elektronischen Ohrmar- ken als Beispieltechnologie in der Schweinehaltung wird dieser Trend ersichtlich. Deutlich mehr Landwirte verwendeten elektronische Ohrmarken für Zuchtschweine als für Mastschweine. Zuchtschweine sind sehr arbeitsin- tensiv und erfordern ein höheres Mass an Management beispielsweise durch eine tierindividuelle Futterzutei- lung, während die Schweinemast weniger arbeitsinten- siv ist.Hinzu kommt, dass Zuchtschweine eine längere Nutzungsdauer haben als Mastschweine, wodurch sich der Einsatz bei Zuchttieren auch finanziell womöglich mehr lohnt.

Der Einsatz von Robotik in der Schweizer Landwirtschaft beschränkt sich momentan auf den Bereich Milchvieh, allerdings ist die Adoptionsrate mit maximal 6 % auch noch recht gering. Barkema et al. (2015) untersuchten in einer vergleichenden Studie den weltweiten kom- merziellen Einsatz von Melkrobotern. Ihre Ergebnisse Tab. 4 | Signifikante Ergebnisse der binären Regressionsanalyse

im Pflanzenbau

Digitale Technologien Marginale

Änderungen SE

Zone [Tal]

Bergzone –0,15*** 0,04

Landwirtschaftliche Fläche [10 bis 20 ha]

1 ≤ 3 ha –0,36*** 0,00

30 ≤ 50 ha 0,20** 0,06

≥ 50 ha 0,48*** 0,07

Betriebszweig [Ackerbau]

Weinbau –0,25*** 0,02

Obstbau –0,08* 0,04

Hauptbetriebstyp [Spezialisierte Ackerbaubetriebe]

Spez. Dauerkulturbetriebe 0,26** 0,10

Signifikanzniveau: * P ≤ 0,10; ** P ≤ 0,05; *** P ≤ 0,01, Basiskategorien in eckigen Klammern

(8)

zeigten, dass der Einsatz von Melkrobotern zwischen 5 % in Kanada und über 20 % in Schweden und Däne- mark variiert, damit liegt die Schweiz im internationalen Vergleich im unteren Bereich. Die Ergebnisse der vorliegenden Studie können weiter dafür genutzt werden, technologiespezifische Adoptionsraten verschiedener Länder zu vergleichen und die Schweizer Landwirtschaft hinsichtlich ihres Einsatzes von digitalen Hilfsmitteln ein- zuordnen.

Betriebs- und Betriebsleitereigenschaften, die mit der Adoption digitaler Technologien korrelieren, variieren in Abhängigkeit der untersuchten Technologien und – in unserer Studie – zwischen den Technologiegruppen.

Während das Alter des Betriebsleiters in einigen Studien mit der Adoption korreliert, konnte in anderen Studien kein signifikanter Effekt festgestellt werden (Daberkow und McBride 2013; Lima et al. 2018). In unserer Studie war das Alter im Pflanzenbau kein wichtiger Faktor, wohingegen die Wahrscheinlichkeit der Adoption einer neuen Technologie in der Wiederkäuerhaltung mit zu-

nehmenden Alter sank. Darüber hinaus wird aus der Literatur deutlich, dass die Betriebsgrösse meist positiv mit der Nutzung von Technologien korreliert (Reichardt und Jürgens 2009; Gargiulo et al. 2018). Die vorliegende Studie konnte dies sowohl im Pflanzenbau (gemessen an der landwirtschaftlichen Nutzfläche in ha) als auch in der Tierhaltung (gemessen an der Anzahl Grossvieheinhei- ten) für die Schweizer Landwirtschaft bestätigen. Zwar sind Schweizer Betriebe weltweit gesehen vergleichsweise klein, jedoch konnte auch hier eine Adoption in der oberen Betriebsgrössenverteilung festgestellt werden.

In der Wiederkäuerhaltung konnte ausserdem ein signifikant negativer Effekt für das Haltungssystem Anbin- dehaltung festgestellt werde. Das Ergebnis verwundert nicht, da viele digitale Hilfsmittel wie Roboter oder Ak- tivitätssensoren in dieser Haltungsform keinen Nutzen bringen, da sich die Tiere nicht frei bewegen können.

Die Studie ist im Hinblick auf ihre randomisierte Stich- probe einzigartig und deutlich aussagekräftiger als viele vorliegenden Studien in dem Themenbereich.

Tab. 5 | Signifikante Ergebnisse der Regressionsanalysen in der Tierhaltung

Implementierte Technologien Neue Technologien

Marginale Effekte SE Marginale Effekte SE

Alter –0,01 0 –0,03** 0,01

Grossvieheinheiten 0,05** 0,02 0,03* 0,01

Geschlecht [Mann]

Frau –0,08*** 0 –0,08*** –0,02

Zone [Basiskategorie: Tal]

Hügel –0,03* –0,01 –0,04 –0,03

Bergzone –0,07* –0,03 –0,09*** –0,01

Hauptbetriebstyp [Spezialisierte Wiederkäuerbetriebe]

Spez. Ackerbaubetriebe 0,43** –0,15 –0,10*** –0,01

Spez. Gartenbaubetriebe –0,08*** 0 –0,10*** –0,01

Spez. Dauerkulturbetriebe –0,08*** 0 –0,10*** –0,01

Spez. Veredelungsbetriebe –0,08*** 0 0,03 –0,31

Pflanzenbau-Viehhaltungsbetriebe –0,09*** 0 0,12 –0,16

Region [Espace Mittelland]

Genferseeregion –0,06* –0,02 –0,02 –0,01

Nordwestschweiz –0,04*** –0,01 –0,06*** –0,02

Zentralschweiz –0,01 –0,01 –0,06** –0,02

Tessin –0,05*** –0,01 –0,06 –0,04

Betriebszweig [Milchvieh]

Milchziegen –0,10*** –0,01 –0,11*** –0,01

Mutterkühe –0,16*** –0,01 –0,06*** –0,01

Mastrinder –0,12*** –0,01 –0,06*** –0,01

Fleischschafe –0,17*** –0,01 0,01 –0,01

Stallsystem [Laufstall]

Anbindestall –0,10*** –0,01 –0,10*** –0,01

Beides –0,05*** –0,01 0,05 –0,03

Signifikanzniveau: *, P ≤ 0.10; **. P ≤ 0.05; *** P ≤ 0.01, Basiskategorien in eckigen Klammern

(9)

Beispielsweise basieren viele Studien auf freiwilligen Online- Befragungen, bei denen die Teilnehmer zum einen per se technikaffine Landwirte sind, die Computer und das Internet im Allgemeinen nutzen. Zum anderen bestehen meist keine Auswahlkriterien für die Stich- probe bezüglich der Grössenklassen, Betriebszweige etc.

(Gargiulo et al. 2018). Ähnliches gilt für Umfrageergeb- nisse, die auf landwirtschaftlichen Messen durchgeführt werden (z.B. Reichardt und Jürgens 2009).

S c h l u s s f o l g e r u n g e n

Diese vorliegende Studie ergab, dass die Adoptions rate der einzelnen landwirtschaftlichen Betriebszweige in der Schweiz sehr heterogen ist und es grosse Unterschie- de zwischen verschiedenen Technologiearten gibt. Die Ergebnisse erlauben länderspezifische und technologiespezifische Vergleiche mit anderen Studien und können

bei Wiederholung der Umfrage den technischen Fort- schritt innerhalb der Schweizer Landwirtschaft sichtbar machen.

Die Ergebnisse können als Grundlage für die Entwick- lung einer detaillierteren Umfrage dienen, die die Er- wartungen sowie die persönlichen Gründe der Landwir- te für und gegen digitale Technologien in der Schweizer Landwirtschaft einschliesst. Auf diese Weise könnten beispielsweise Arbeitsbereiche identifiziert werden, in denen neue Technologien einen Mehrwert bringen würden, um auch kleine Betriebe weniger arbeitsinten- siv und effizienter zu führen. Auch der Zusammenhang zwischen agrarpolitischen Zielen im Bereich Umwelt, Betrieb und Markt und digitalen Technologien kann in weiterer Forschung thematisiert werden, um die Trieb- kräfte und Hindernisse der Nutzung der Digitalisierung

im Agrarsektor zu verstehen. n

Literatur

▪ Barkema H. W., von Keyserlingk M., Kastelic J., Lam T., Luby C., Roy J.-P., LeBlanc S., Keefe G. & Kelton D., 2015. Invited review: Changes in the dairy industry affecting dairy cattle health and welfare. Journal of Dairy Science 98, 7426–7445.

▪ Barnes A., Soto I., Eory V., Beck B., Balafoutis A., & Sánchez B. et al., 2019.

Exploring the adoption of precision agricultural technologies: A cross regional study of EU farmers. Land Use Policy 80, 163–174.

▪ BFS, 2017. Land- und Forstwirtschaft: Panorama, Zugang: https://www.bfs.

admin.ch/bfs/en/home/statistics/agriculture-forestry.assetdetail.7846585.

html [10.02.2020].

▪ BFS, 2018. Strassenfahrzeugbestand nach Fahrzeuggruppe und Fahrzeugart, Zugang: https://www.bfs.admin.ch/bfs/de/home/statistiken/mobilitaet-ver- kehr/verkehrsinfrastruktur-fahrzeuge/fahrzeuge/strassenfahrzeuge-be- stand-motorisierungsgrad.assetdetail.7226314.html [25.07.2019].

▪ BFS, 2019a. Landwirtschaftsbetriebe: Grösse, Fläche, Besitzverhältnisse, Zugang: https://www.bfs.admin.ch/bfs/de/home/statistiken/land-forstwirtschaft.assetdetail.8346709.html [07.01.2019].

▪ BFS, 2019b. Landwirtschaft und Ernährung: Taschenstatistik, Zugang: https://

www.bfs.admin.ch/bfs/de/home/aktuell/neue-veroeffentlichungen.gnpde- tail.2019-0344.html [07.01.2019].

▪ BLW, 2018. Agrarbericht, Zugang: https://www.agrarbericht.ch/de [07.01.2019].

▪ Daberkow S. G., & McBride W. D., 2003. Farm and operator characteristics affecting the awareness and adoption of precision agriculture technologies in the US. Precision Agriculture 4 (2), 163–177.

▪ Ferjani A., Zimmermann A., & Roesch A., 2015. Determining factors of farm exit in agriculture in Switzerland. Agricultural Economics Review 16, 59–72.

▪ Finger R., Swinton S. M., El Benni N., & Walter A., 2019. Precision farming at the nexus of agricultural production and the environment. Annual Review of Resource Economics, 11, 313–335.

▪ Gargiulo J. I., Eastwood C. R., Garcia S. C., & Lyons N. A., 2018. Dairy farmers with larger herd sizes adopt more precision dairy technologies. Journal of Dairy Science 101, 5466–5473.

▪ Gazzarin C., & Hilty R., 2002. Stallsysteme für Milchvieh: Vergleich der Bau- investitionen. FAT-Berichte/Eidgenossische Forschungsanstalt für Agrarwirt- schaft und Landtechnik, Tänikon, Switzerland.

▪ Groher T., Heitkämper K., Walter A., Liebisch F. & Umstätter C., 2020. Status quo of adoption of precision agriculture enabling technologies in Swiss plant production, Precision Agriculture (revised & resubmit).

▪Konrad M. T., Nielsen H. Ø., Pedersen A. B. & Elofsson, K., 2019. Drivers of farmers’ investments in nutrient abatement technologies in five Baltic Sea countries. Ecological Economics 159, 91–100.

▪Lima E., Hopkins T., Gurney E., Shortall O., Lovatt F., Davies P., Williamson G.,

& Kaler J., 2018. Drivers for precision livestock technology adoption: a study of factors associated with adoption of electronic identification technology by commercial sheep farmers in England and Wales. PLoS One 13 (1).

▪Meijering A., Hogeveen H., & de Koning, C. J. A. M., (Eds.) 2004. Automatic milking: a better understanding. Wageningen Academic Pub.

▪Paustian M., & Theuvsen L., 2017. Adoption of precision agriculture technologies by German crop farmers. Precision Agriculture 18 (5), 701–716.

▪Pierpaoli E., Carli G., Pignatti E. & Canavari M., 2013. Drivers of precision agriculture technologies adoption: A literature review. Procedia Technology 8, 61–69.

▪R Core Team 2013. R: a language and environment for statistical computing.

R Foundation for Statistical Computing, Vienna, Austria.

▪Reichardt M., & Jürgens C., 2009. Adoption and future perspective of precision farming in Germany: Results of several surveys among different agricultural target groups. Precision Agriculture 10 (1), 73–94.

▪Stachowicz J., & Umstätter C., 2020. Übersicht über kommerziell verfügba- re digitale Systeme in der Nutztierhaltung, Zugang: http://www.agroscope.

admin.ch/agroscope/de/home/themen/wirtschaft-technik/smart-farming/

digitale-system-nutztierhaltung.html [21.02.2020].

▪Tey Y. S., & Brindal M., 2012. Factors influencing the adoption of precision agricultural technologies: A review for policy implications. Precision Agricul- ture 13 (6), 713–730.

▪VSGP, & LID (2014). Fakten zum Schweizer Gemüsebau, Zugang: https://www.

gemuese.ch/Ressourcen/PDF/Politik/CHGemuesebau_BROSCHURELID.PDF [10.02.2020].

▪Walter A., Finger R., Huber R., & Buchmann N., 2017. Opinion: Smart farming is key to developing sustainable agriculture. Proceedings of the National Aca- demy of Sciences, 114 (24), 6148–6150.

▪Zorn A., 2020. Kennzahlen des Strukturwandels der Schweizer Landwirtschaft auf Basis einzelbetrieblicher Daten. Agroscope Science 88.